PandasAI 2.0版本中自定义提示词的高级实践指南

背景与问题定位

PandasAI作为增强型数据分析工具，在2.0版本中对架构进行了重大重构。部分用户发现原先通过df_config配置custom_prompts的方式已被移除，这影响了需要定制化生成代码逻辑的用户场景。本文将深入解析新架构下的解决方案。

技术方案详解

方案一：替换Prompt生成模块（底层实现）

通过继承体系修改默认聊天管道中的Prompt生成逻辑：

1. 自定义Prompt模板

from pandasai.prompts.base import BasePrompt
from jinja2 import Environment, FileSystemLoader
from pathlib import Path
import os

class CustomPrompt(BasePrompt):
    template_path = "custom_template.tmpl"  # 模板文件路径
    
    def __init__(self, **kwargs):
        self.props = kwargs
        path_to_templates = os.path.join(Path(__file__).parent, "templates")
        env = Environment(loader=FileSystemLoader(path_to_templates))
        self.prompt = env.get_template(self.template_path)
        self._resolved_prompt = None

2. 重写Prompt生成逻辑

from pandasai.pipelines.chat.prompt_generation import PromptGeneration

class CustomPromptGeneration(PromptGeneration):
    def get_chat_prompt(self, context):
        viz_lib = context.config.data_viz_library or "matplotlib"
        return CustomPrompt(
            context=context,
            last_code_generated=context.get("last_code_generated"),
            viz_lib=viz_lib,
            output_type=context.get("output_type"),
        )

3. 构建自定义管道

from pandasai.pipelines.chat.generate_chat_pipeline import GenerateChatPipeline

class CustomPipeline(GenerateChatPipeline):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        self.pipeline._steps = [
            CustomPromptGeneration(
                skip_if=step.skip_if, 
                on_execution=step.on_execution
            ) if isinstance(step, PromptGeneration) else step
            for step in self.pipeline._steps
        ]

方案二：使用训练接口（高层API）

对于不需要深度定制的场景，可以使用更简洁的train方法：

agent.train(your_training_data, instructions="您的定制化指令")

方案三：系统级提示注入

直接通过Agent构造函数注入系统级提示：

Agent(dfs, description="您的系统级提示文本")

架构设计解析

PandasAI 2.0采用模块化管道设计，主要包含：

1. Prompt生成层：负责将用户查询转换为LLM可理解的提示
2. 执行管道层：管理代码生成、验证和执行的完整生命周期
3. 配置管理层：统一处理运行时参数

这种设计相比1.x版本的配置方式具有更好的扩展性，虽然提高了定制门槛，但为复杂场景提供了更清晰的扩展路径。

最佳实践建议

1. 简单场景优先使用方案二或三
2. 需要深度定制模板时采用方案一
3. 模板文件建议使用Jinja2语法，保持与框架的一致性
4. 对于可视化库的切换，可通过context.config.data_viz_library参数控制

版本迁移注意事项

从1.x迁移时需要注意：

• 原有配置方式需要转换为新的管道模式
• 提示词模板需要适配新的变量注入方式
• 可视化库的指定改为通过config统一管理